Jeszcze rok temu „model open source" oznaczał kompromis. Dziś Granite 4.2 od IBM, DeepSeek V4-Pro i Qwen3.8-Max od Alibaby pokazują, że otwarte wagi weszły do pierwszej ligi — i że pytanie brzmi już nie „czy", tylko „na jakim sprzęcie".
Granite 4.2 — mały, licencyjnie czysty, gotowy do firmy
IBM wypuściło rodzinę modeli rozumujących w trzech rozmiarach: 3B, 8B i 30B parametrów, na licencji Apache 2.0. Kluczowe są dwie rzeczy: przełączany tryb myślenia (model rozumuje tylko wtedy, gdy tego potrzebujesz — nie płacisz za rozważania przy prostym pytaniu) oraz trenowanie w realnych środowiskach: terminalu, repozytoriach kodu i wyszukiwarce.
To najlepszy start dla firm, które boją się licencji i chcą trzymać dane u siebie. Wersja 8B spokojnie chodzi na jednej porządnej karcie GPU.
DeepSeek V4-Pro — 1 mln tokenów kontekstu
DeepSeek postawił na architekturę z hybrydową uwagą i okno kontekstu rzędu miliona tokenów. W praktyce oznacza to, że możesz wrzucić do modelu całą dokumentację produktu, komplet umów albo duże repozytorium i pytać o całość, zamiast bawić się w dzielenie tekstu na kawałki.
Uwaga praktyczna: długi kontekst nie zwalnia z myślenia o kosztach. Im więcej wrzucasz, tym drożej i wolniej — dobre wyszukiwanie (RAG) nadal bywa tańsze niż „wrzuć wszystko".
Qwen3.8-Max — gigant do zadań wielogodzinnych
Alibaba poszła w skalę: model wizualno-językowy o ogromnej liczbie parametrów, trenowany pod długo działające zadania — programowanie i pracę z wiedzą rozłożoną na wiele kroków. Do tego mniejszy wariant 27B, który realnie odpalisz lokalnie.
Który wybrać? Ściąga
- Chcesz uruchomić u siebie, bez ryzyka licencyjnego → Granite 4.2 (8B lub 30B).
- Pracujesz na ogromnych dokumentach → DeepSeek V4-Pro.
- Potrzebujesz agenta do długich zadań i obrazów → Qwen3.8-Max, a lokalnie Qwen3.8-27B.
- Nie masz działu IT → zostań przy API zamkniętych modeli i wróć do tematu, gdy skala kosztów zacznie boleć.
Ile to kosztuje naprawdę
Otwarte wagi nie są darmowe — są przewidywalne. Płacisz za GPU (własne lub w chmurze), za czas wdrożenia i za utrzymanie. Próg opłacalności zwykle pojawia się tam, gdzie rachunki za API przekraczają kilka tysięcy złotych miesięcznie albo gdy dane nie mogą opuścić firmy.
Do lokalnego uruchomienia najprościej zacząć od narzędzi open source takich jak Ollama, vLLM czy Open WebUI — zebraliśmy je w osobnym zestawieniu.
Podsumowanie
Otwarte modele przestały być planem B. Dla polskich firm to konkretna szansa: niższy koszt, pełna kontrola nad danymi i brak uzależnienia od jednego dostawcy. Wystarczy dobrać rozmiar modelu do realnego zadania, a nie do nagłówków.